10个Python爬虫入门实例，建议收藏！！

最新推荐文章于 2024-07-12 19:06:42 发布

考一个红薯

最新推荐文章于 2024-07-12 19:06:42 发布

阅读量413

点赞数

文章标签： python 爬虫开发语言

本文链接：https://blog.csdn.net/2301_78165187/article/details/130810243

版权

1. 爬取强大的BD页面，打印页面信息

# 第一个爬虫示例,爬取百度页面  
  
import requests #导入爬虫的库，不然调用不了爬虫的函数  
  
response = requests.get("http://www.baidu.com")  #生成一个response对象  
  
response.encoding = response.apparent_encoding #设置编码格式  
  
print("状态码:"+ str( response.status_code ) ) #打印状态码  
  
print(response.text)#输出爬取的信息

2.常用方法之get方法实例，下面还有传参实例

# 第二个get方法实例  
  
import requests #先导入爬虫的库，不然调用不了爬虫的函数  
  
response = requests.get("http://httpbin.org/get")  #get方法  
  
print( response.status_code ) #状态码  
  
print( response.text )

3.常用方法之post方法实例，下面还有传参实例

# 第三个 post方法实例  
  
import requests #先导入爬虫的库，不然调用不了爬虫的函数  
  
response = requests.post("http://httpbin.org/post")  #post方法访问  
  
print( response.status_code ) #状态码  
  
print( response.text )

put方法实例

# 第四个 put方法实例  
  
import requests #先导入爬虫的库，不然调用不了爬虫的函数  
  
response = requests.put("http://httpbin.org/put")  # put方法访问  
  
print( response.status_code ) #状态码  
  
print( response.text )

常用方法之get方法传参实例(1)

如果需要传多个参数只需要用&符号连接即可如下：

# 第五个 get传参方法实例  
  
import requests #先导入爬虫的库，不然调用不了爬虫的函数  
  
response = requests.get("http://httpbin.org/get?name=hezhi&age=20")  # get传参  
  
print( response.status_code ) #状态码  
  
print( response.text )

6.常用方法之get方法传参实例(2)

params用字典可以传多个

# 第六个 get传参方法实例  
  
import requests #先导入爬虫的库，不然调用不了爬虫的函数  
  
data = {  
  "name":"hezhi",  
  "age":20  
}  
response = requests.get( "http://httpbin.org/get" , params=data )  # get传参  
  
print( response.status_code ) #状态码  
  
print( response.text )

7.常用方法之post方法传参实例(2) 和上一个有没有很像

# 第七个 post传参方法实例  
  
import requests #先导入爬虫的库，不然调用不了爬虫的函数  
  
data = {  
  "name":"hezhi",  
  "age":20  
}  
response = requests.post( "http://httpbin.org/post" , params=data )  # post传参  
  
print( response.status_code ) #状态码  
  
print( response.text )

关于绕过反爬机制，以zh爸爸为例

# 第好几个方法实例  
  
import requests #先导入爬虫的库，不然调用不了爬虫的函数  
  
response = requests.get( "http://www.zhihu.com")  #第一次访问知乎，不设置头部信息  
  
print( "第一次,不设头部信息,状态码:"+response.status_code )# 没写headers，不能正常爬取，状态码不是 200  
  
#下面是可以正常爬取的区别，更改了User-Agent字段  
  
headers = {  
  
    "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.122 Safari/537.36"  
  
}#设置头部信息,伪装浏览器  
  
response = requests.get( "http://www.zhihu.com" , headers=headers )  #get方法访问,传入headers参数，  
  
print( response.status_code ) # 200！访问成功的状态码  
  
print( response.text )

爬取信息并保存到本地

因为目录关系，在D盘建立了一个叫做爬虫的文件夹，然后保存信息

注意文件保存时的encoding设置

# 爬取一个html并保存  
  
import requests  
  
url = "http://www.baidu.com"  
  
response = requests.get( url )  
  
response.encoding = "utf-8" #设置接收编码格式  
  
print("\nr的类型" + str( type(response) ) )  
  
print("\n状态码是:" + str( response.status_code ) )  
  
print("\n头部信息:" + str( response.headers ) )  
  
print( "\n响应内容:" )  
  
print( response.text )  
  
#保存文件  
file = open("D:\\爬虫\\baidu.html","w",encoding="utf")  #打开一个文件，w是文件不存在则新建一个文件，这里不用wb是因为不用保存成二进制  
  
file.write( response.text )  
  
file.close()

爬取图片，保存到本地

`#保存百度图片到本地      import requests #先导入爬虫的库，不然调用不了爬虫的函数      response = requests.get("https://www.baidu.com/img/baidu_jgylogo3.gif")  #get方法的到图片响应      file = open("D:\\爬虫\\baidu_logo.gif","wb") #打开一个文件,wb表示以二进制格式打开一个文件只用于写入      file.write(response.content) #写入文件      file.close()#关闭操作，运行完毕后去你的目录看一眼有没有保存成功`